这篇文章将为大家详细讲解有关TensorFlow人工智能学习创建数据的示例分析，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。
一、数据创建
1.tf.constant()
创建自定义类型，自定义形状的数据，但不能创建类似于下面In [59]这样的，无法解释的数据。
2.tf.convert_to_tensor()
可以把numpy以及List类型的数据直接转换为tensor
3.tf.zeros()
和常用的方式一样，传入包含中括号的shape即可。
tf.zeros_like和pytorch功能一样，传入有某个shape的数据，会生成和那个shape一样的zeros数据。tf.ones, tf.ones_like和你想的一样。
4.tf.fill()
生成指定形状的，所有内容都一样的数据，前面shape，后面参数是填充的内容。
二、数据随机初始化
①tf.random.normal()
正态分布，传入形状，可指定均值方差。
②tf.random.truncated_normal()
裁剪过后的数据，裁去了前后分布太少的数据，只从中间数据多的地方取数据，同样可以指定均值方差。
③tf.random.uniform()
均匀分布初始化，形状，最小值，最大值
④tf.random.shuffle()
随机打散，可以打散一个索引顺序，通过tf.gather去对应，这样可以实现两个同样行数的数据，进行索引一一对应的随机打散。
关于“TensorFlow人工智能学习创建数据的示例分析”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
